面向电力大数据日志分析平台的异常监测集成预测算法

随着电力企业网络技术的发展,传统和新生的日志处理系统已不能满足大数据状态下的日志分析要求,为了实现系统日志异常分析的目标,该文提出一种基于时间序列的系统异常数量集成预测算法和面向该算法的评价体系。该算法对多种分类预测算法进行集成,对收集到的日志数据进行分类预测,进而实现了以综合最优的准确度预测系统的异常数量,评价体系很好地支持了该算法的工作,算法增强了日志分析平台的安全性。

基于不平衡数据集的蛋白质ATP结合位点集成预测

集成学习是一种新的机器学习范式,它通过训练若干有差异的学习器,并将它们的预测结果进行合成,相对于单个学习器,集成学习算法可以显著提高学习系统的泛化能力。因此对集成学习理论和算法的研究成为了机器学习领域的一个热点。现在,集成学习已经成功应用于航空航天、地震波分析、生物特征识别、医疗诊断等众多领域。但集成学习技术还不成熟,对集成学习的研究还存在很大的进步空间。